基于項目相似度改進的協(xié)同過濾TopN推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)以及云計算等技術地快速發(fā)展，我們的生活也發(fā)生了翻天覆地的變化。我們在享受先進技術帶來的便捷的同時，也承受著它們所帶來的負面影響，信息過載就是其中之一。針對信息過載問題，早期主要有分類目錄與搜索引擎兩種解決方法，但均有其局限性，分類目錄只能覆蓋少數(shù)項目，相對于海量項目來說遠遠不夠;搜索引擎則需要有明確需求，無法滿足用戶的個性化需求。為了更進一步解決信息過載這一難題，研究人員提出了推薦系統(tǒng)概念。
　　推薦系統(tǒng)通過對用

2、戶歷史行為地分析，發(fā)掘出用戶潛藏的興趣喜好，并且能夠實現(xiàn)對用戶的個性化推薦。推薦系統(tǒng)的核心部分就是推薦算法，現(xiàn)今在實際系統(tǒng)中運用最為廣泛的算法就是協(xié)同過濾推薦算法。但是，隨著推薦系統(tǒng)的進一步應用，傳統(tǒng)的協(xié)同過濾推薦算法存在的諸如冷啟動、數(shù)據(jù)稀疏性、推薦精度低、長尾項目發(fā)掘能力低等問題，使其不再滿足實際應用需求。目前針對推薦系統(tǒng)的研究十分火熱，不過相當多的研究工作主要將焦點放在如何提高推薦的準確度上，雖然取得了一定成果，但是無法兼顧推薦結

3、果的新穎度，導致推薦新穎度仍處于比較低的水平。
　　本文提出了基于項目相似度改進的協(xié)同過濾TopN推薦算法，該算法主要研究目的在于增強長尾項目發(fā)掘能力的同時，不降低推薦結果的精度。主要工作包括:
　　1.分析用戶活躍度對推薦結果的影響，引入用戶活躍度概念，削弱活躍用戶對推薦結果的影響，提高長尾項目的發(fā)掘能力，提高推薦結果的覆蓋率。
　　2.分析項目種類對推薦結果的影響，對相似度矩陣進行歸一化處理，削弱同類項目只見相似度